crodri commited on
Commit
8b6c7d4
·
verified ·
1 Parent(s): b163a23

Update app.py

Browse files
Files changed (1) hide show
  1. app.py +7 -18
app.py CHANGED
@@ -93,21 +93,10 @@ def gradio_app():
93
  gr.Image("rag_image.jpg", elem_id="flor-banner", scale=1, height=256, width=256, show_label=False, show_download_button = False, show_share_button = False)
94
  with gr.Column():
95
  gr.Markdown(
96
- """# Demo de Retrieval-Augmented Generation per documents legals
97
- 🔍 **Retrieval-Augmented Generation** (RAG) és una tecnologia d'IA que permet interrogar un repositori de documents amb preguntes
98
- en llenguatge natural, i combina tècniques de recuperació d'informació avançades amb models generatius per redactar una resposta
99
- fent servir només la informació existent en els documents del repositori.
100
-
101
- 🎯 **Objectiu:** Aquest és un demostrador amb la normativa vigent publicada al Diari Oficial de la Generalitat de Catalunya, en el
102
- repositori del EADOP (Entitat Autònoma del Diari Oficial i de Publicacions). Aquesta versió explora prop de 2000 documents en català,
103
- i genera la resposta fent servir el model Salamandra-7b-aligned-EADOP, el model BSC-LT/salamandra-7b-instruct alineat amb el dataset de alinia/EADOP-RAG-out-of-domain.
104
 
105
- ⚠️ **Advertencies**: Aquesta versió és experimental. El contingut generat per aquest model no està supervisat i pot ser incorrecte.
106
- Si us plau, tingueu-ho en compte quan exploreu aquest recurs. El model en inferencia asociat a aquesta demo de desenvolupament no funciona continuament. Si vol fer proves,
107
- contacteu amb nosaltres a Langtech.
108
-
109
-
110
- 👀 **Mes informació en els informes de: ** [RAG](https://drive.google.com/file/d/11MgXQXAxfhkqbrx8syrKtmBrNP_6Qhx9/view?usp=sharing) i [Alineació](https://drive.google.com/file/d/1VUqHKO-gDmgMozK-Al83a2kh4Fr70pHh/view?usp=sharing) en pdf (ànglés).
111
  """
112
  )
113
  with gr.Row(equal_height=True):
@@ -115,7 +104,7 @@ def gradio_app():
115
  input_ = Textbox(
116
  lines=11,
117
  label="Input",
118
- placeholder="Quina és la finalitat del Servei Meteorològic de Catalunya?",
119
  # value = "Quina és la finalitat del Servei Meteorològic de Catalunya?"
120
  )
121
  with gr.Row(variant="panel"):
@@ -231,7 +220,7 @@ def gradio_app():
231
  with gr.Column(scale=0.5):
232
  gr.Examples(
233
  examples=[
234
- ["""Què és l'EADOP (Entitat Autònoma del Diari Oficial i de Publicacions)?"""],
235
  ],
236
  inputs=input_,
237
  outputs=[output, source_context, context_evaluation],
@@ -239,7 +228,7 @@ def gradio_app():
239
  )
240
  gr.Examples(
241
  examples=[
242
- ["""Com es pot inscriure una persona al Registre de catalans i catalanes residents a l'exterior?"""],
243
  ],
244
  inputs=input_,
245
  outputs=[output, source_context, context_evaluation],
@@ -247,7 +236,7 @@ def gradio_app():
247
  )
248
  gr.Examples(
249
  examples=[
250
- ["""Quina és la finalitat del Servei Meterològic de Catalunya ?"""],
251
  ],
252
  inputs=input_,
253
  outputs=[output, source_context, context_evaluation],
 
93
  gr.Image("rag_image.jpg", elem_id="flor-banner", scale=1, height=256, width=256, show_label=False, show_download_button = False, show_share_button = False)
94
  with gr.Column():
95
  gr.Markdown(
96
+ """# TEST de Retrieval-Augmented Generation para proyecto RENFE
97
+ 🔍
 
 
 
 
 
 
98
 
99
+ ⚠️ **Advertencias**: Esta es una versión experimental. 👀
 
 
 
 
 
100
  """
101
  )
102
  with gr.Row(equal_height=True):
 
104
  input_ = Textbox(
105
  lines=11,
106
  label="Input",
107
+ placeholder="",
108
  # value = "Quina és la finalitat del Servei Meteorològic de Catalunya?"
109
  )
110
  with gr.Row(variant="panel"):
 
220
  with gr.Column(scale=0.5):
221
  gr.Examples(
222
  examples=[
223
+ ["""¿Se pueden transportar mascotas en el AVE?"""],
224
  ],
225
  inputs=input_,
226
  outputs=[output, source_context, context_evaluation],
 
228
  )
229
  gr.Examples(
230
  examples=[
231
+ ["""¿Cómo se crea un billete de día del Pase Móvil en la aplicación Rail Planner App?"""],
232
  ],
233
  inputs=input_,
234
  outputs=[output, source_context, context_evaluation],
 
236
  )
237
  gr.Examples(
238
  examples=[
239
+ ["""¿Cómo puedo solicitar la factura de un abono con posterioridad a la compra?"""],
240
  ],
241
  inputs=input_,
242
  outputs=[output, source_context, context_evaluation],